Ce que fait ce calculateur
Cet outil calcule la probabilité de la queue droite \(P(X > x)\) pour une variable suivant une loi normale. À partir d'une valeur \(x\), de la moyenne de la population \(\mu\) et de l'écart type \(\sigma\), il vous indique la probabilité qu'une observation tirée au hasard soit supérieure à \(x\). Il fournit également le score \(z\) standardisé ainsi que la probabilité complémentaire de la queue gauche \(P(X \le x)\). C'est un outil statistique universel, utile dans de nombreux domaines : contrôle qualité, résultats de tests, finance ou mesures de laboratoire.
Comment l'utiliser
Saisissez la valeur étudiée (\(x\)), la moyenne de la distribution (\(\mu\)) et l'écart type (\(\sigma\), qui doit être strictement positif). Le calculateur convertit votre valeur en score \(z\), puis évalue la fonction de répartition de la loi normale centrée réduite \(\Phi\) pour déterminer les deux queues. Vous obtenez ainsi la probabilité que \(X\) dépasse \(x\), exprimée à la fois sous forme décimale et en pourcentage.
La formule expliquée
On convertit d'abord \(x\) en score \(z\) :
$$z = \frac{x - \mu}{\sigma}$$La fonction \(\Phi(z)\) donne l'aire sous la courbe de la loi normale centrée réduite à gauche de \(z\), c'est-à-dire \(P(X \le x)\). Comme l'aire totale vaut 1, la queue droite s'écrit simplement
$$P(X > x) = 1 - \Phi(z)$$Ce calculateur évalue \(\Phi\) à l'aide d'une approximation très précise de la fonction d'erreur (Abramowitz & Stegun 7.1.26), exacte à environ 7 décimales près.
Exemple concret
Supposons que la taille des adultes suive une loi normale de moyenne \(\mu = 170\) cm et d'écart type \(\sigma = 10\) cm, et que vous cherchiez \(P(\text{taille} > 185)\). On a alors
$$z = \frac{185 - 170}{10} = 1{,}5$$D'après la table de la loi normale centrée réduite, \(\Phi(1{,}5) \approx 0{,}93319\), donc
$$P(X > 185) = 1 - 0{,}93319 \approx 0{,}06681$$soit environ 6,68 %.
FAQ
Et si je veux plutôt \(P(X < x)\) ? Il s'agit de la queue gauche, affichée dans le tableau des résultats sous la forme \(P(X \le x) = \Phi(z)\). Pour une distribution continue, \(P(X < x)\) est égal à \(P(X \le x)\).
Pourquoi \(\sigma\) doit-il être positif ? L'écart type mesure la dispersion et doit être strictement supérieur à zéro ; une valeur nulle ou négative ne définit aucune loi normale valide.
Quelle est la précision du résultat ? L'approximation de \(\Phi\) est exacte à environ sept décimales près, ce qui est largement suffisant pour les travaux statistiques courants.
